1.清华大学 核能与新能源技术研究院, 先进核能技术协同创新中心, 先进反应堆工程与安全教育部重点实验室, 北京 100084;
2.清华大学 计算机科学与技术系, 北京 100084
收稿日期: 2015-09-17
基金项目: 国家自然科学基金资助项目(61273330, 61402266)
作者简介: 赵越(1989-), 男, 博士研究生。
通讯作者: 张勤, 教授, E-mail: qinzhang@tsinghua.edu.cn
摘要：商用核电站中的操作员在电站正常运行时需要密切监测核反应堆的运行状态。当故障发生时, 对核电站进行迅速、有效的故障诊断和对故障进行正确处理极为重要。该文介绍了动态不确定因果图(dynamic uncertain causality graph, DUCG)理论方法, 并将DUCG方法应用于核电站的故障诊断。以中国广核集团有限公司的宁德核电站1号机组CPR1000为原型建立了8类典型的二回路故障模型, 进行故障诊断验证和故障发展预测。同时, 应用该公司全配置仿真系统对每个故障进行了20次实际测试。验证和测试结果均表明: DUCG能够准确、快速、高效地进行故障诊断。
关键词： 动态不确定因果图 复杂系统 故障诊断
Fault diagnostics using DUCG incomplex systems
ZHAO Yue1, DONG Chunling2, ZHANG Qin1,2
1.Key Laboratory of Advanced Reactor Engineering and Safety of the Ministry of Education, Collaborative Innovation Center of Advanced Nuclear Energy Technology, Institute of Nuclear and New Energy Technology, Tsinghua University, Beijing 100084, China;
2.Department of Computer Science and Technology, Tsinghua University, Beijing 100084, China
Abstract:The status of nuclear reactors in commercial nuclear power plants needs to be closely monitored to maintain normal operations. When a failure occurs, rapid and effective fault diagnostics and proper handling of failures is extremely important. This paper applies dynamic uncertain causality graph (DUCG) theory to fault diagnostics of nuclear power plants. The method was applied to a model with 8 typical second and loop faults based on the Ningde Nuclear Power Plant Unit 1 CPR1000 of the China Guangdong Nuclear Power Group (CGNPC) to verify the fault diagnostics and initial progression forecasts. Simulations were used to test each fault 20 times. The method and stimulator tests both showed that DUCG can accurately, quickly and efficiently diagnose faults.
Key words: DUCGcomplex systemfault diagnosis
核电站是许多复杂系统的整合，高度集成化的系统结构中往往存在高度关联、紧密耦合的组件关系网络，大量不确定性因素充斥其间，任何一个局部细小的故障都可能被传播、扩散、积累和放大，最终酿成重大安全事故。1979年的三哩岛核电站事故中，在故障发生的最初几分钟里，有超过100个监测参数通过分布式控制系统汇集到总控制室。在这种极端状况下，操作人员采取了关闭应急堆芯冷却系统(ECCS)的误操作，导致核燃料系统严重损毁。事故表明，核电站运行操作人员自身所具备的知识不足以应对各种故障情况。
三哩岛事故以来，世界核安全相关组织希望做出改进，以协助操作员诊断并响应反应堆事故[1-2]。为帮助操作员整合和筛选控制室中出现的众多信号，开发决策辅助工具被置于优先地位。
本文基于动态不确定因果图理论(dynamic uncertain causality graph，DUCG)[3-7]，在对宁德核电站1号机组二回路进行分析的基础上建立因果图模型，并通过全配置仿真系统进行验证和测试。
1 DUCGDUCG用图形符号描述不确定的因果关系并进行推理，可广泛用于各种工业系统的故障诊断和预测[8]、疾病诊断和预测[9]、灾害预报等，具有较高的理论和实用优势。文[3-7]对DUCG的理论进行了详细介绍。DUCG实现了多赋值因果关系的简洁表达，各类型变量的定义如表1所示。
表 1 变量定义
| 变量符号 | 变量定义 |
| X变量表示系统中可监测到的数据或现象，下标“n”为编号 | |
| $\boxed{{B_i}}$ | B变量表示初因事件，即为根事件，下标“i”为编号 |
| Vi,j | V∈{X,B}，下标“i”表示变量序号，“j”表示变量状态，也可记为Vij |
| rn;i | 因果关联度，权重系数rn=$\sum\limits_i {{r_{n;i}}} $，“；”用于分隔父变量和子变量的标号 |
| → | 权重作用变量：Fn;i≡(rn;i/rn)An;i，用以表达父变量Vi和子变量Xn 之间的直接因果作用关系 |
| An,k;i,j | 表达Vi,j 独立引起Xn,k (“k”表示Xn所处状态)发生的不确定作用机理，也可记为Ank;ij |
| an;i | 由ank;ij=Pr{Ank;ij}组成的矩阵，用于量化因果作用的不确定性 |
表选项
2 推理算法介绍故障诊断的因果推理对事件之间的因果逻辑关系进行分析，确定备选假设是否能够充分解释现有的异常状况。文[3-6]给出了DUCG的故障诊断推理步骤。
2.1 因果图化简根据DUCG所定义的化简规则[3-7]，将初始的复杂因果图中的冗余部分去除，得到化简后的因果图。这一过程可以大大降低计算规模，但结果的准确度并不会因此受到影响。
2.2 因果图拆分和删减由于工业过程系统中2个以上独立初因事件同时发生的概率为高阶小量从而可忽略，可进一步将复杂DUCG拆分为多个只含一个初因事件的子DUCG。仅当子DUCG能够解释所有异常信号时才被保留，否则删掉。
2.3 事件展开事件展开是DUCG推理法则的核心。事件展开是将每个被监测到的事件分别沿着逻辑表达的因果链展开至根原因事件，成为由一系列{X,B,D}类型变量组成的不相交的积之和形式[3-7]。其基本逻辑是以独立的随机事件来表达不确定性因果关系，如式(1)所示。
| ${X_{nk}} = \sum\limits_i {{F_{nk;i}}{V_i}} = \sum\limits_i {\frac{{{r_{n;i}}}}{{{r_n}}}} \sum\limits_j {{A_{nk;ij}}} {V_{ij}}.$ | (1) |
对事件展开的直观解释见图1，由式(1)可得一组父事件状态组合给定下的子变量后验概率：Pr{Xnk|$\mathop \cap \limits_i $Vij}=$\sum\limits_i {} $(rn;i/rn)ank;ij，即在Pr{Xnk|$\mathop \cap \limits_i $Vij}中各父变量独立地贡献其权重因果作用，这些因果作用之和构成子变量的状态概率分布，子变量所处状态由该分布随机决定。这恰好对应了领域工程师对客观世界的直观认识。
 |
| 图 1 事件展开示意图 |
| 图选项 |
在概率计算之前，根据监测到的证据E在每一个子图中首先进行事件展开，以得到可能的原因假设。这些假设组成了假设空间SH(hypothesis space)(SH=∪gSHg，SHg表示与子图对应的假设空间，g=1，2，…)。在事件展开过程中，同时进行逻辑处理[3]。这可以有效地避免冗余计算，从总体上降低推理工作量。
2.4 概率计算对每个假设Hk,j∈SH的状态概率，分别以不完全和完全的证据计算，记为近似结果Hk,js′和精确结果Hk,js，对应的的概率分别为hk,js′和hk,js。如式(2)和(3)所示。在故障诊断推理中，首先根据不完备证据E′(仅异常监测量)得到一个近似结果，随后使用正常监测量E″修正(假设存在)对近似结果进行修正。作为负证据的E″能够增强推理准确度。Hk,js′和Hk,js之间的修正因子为σk,j=Pr{E″|Hk,jE′}/Pr{E″|E′}。
| $h_{k,j}^{s'} \equiv \Pr \left\{ {{H_{k,j}}|E'} \right\} = \frac{{\Pr \left\{ {{H_{k,j}}E'} \right\}}}{{\Pr \left\{ {E'} \right\}}},$ | (2) |
| $\eqalign{ & h_{k,j}^{s'} \equiv \cr & \Pr \left\{ {{H_{k,j}}|E'} \right\} = \frac{{\Pr \left\{ {{H_{k,j}}E'} \right\}}}{{\Pr \left\{ {E'} \right\}}} = h_{k,j}^{s'}{\sigma _{k,j}} \cr} $ | (3) |
2.5 故障发展预测根据因果逻辑图和推理结果，可对故障的发展进行初步预测。为此，对“向前一步展开”进行了定义，即根据DUCG总图，将推理结果图中的异常X变量沿着权重作用变量的方向进行一步向前展开，即Xmj=Fmj;nkXnk，其中j为Xm的一个异常状态，得到新增的异常X变量和基于推理结果的新DUCG图。
这些新增的X变量即被认为是可能在下一时刻发生的新故障。同时，根据这些新增的异常X变量，利用式(2)和(3)可计算得到预测时刻的故障排序概率。通过这种方法，可以对诊断时刻接下来的一个或多个时刻的故障发展进行初步预测。
需要注意的是，这里时刻的概念是下一个有新的异常变量出现的时间。同时，由于预测结果的或然性和因果图建造的逻辑性，1次一步展开预测和2次一步展开预测并非仅分别在下1个时间点和下2个时间点出现。
3 实验验证本文以中国广核集团有限公司(简称中广核)的宁德核电站1号机组CPR1000 (功率为1 GW)为原型，建立了该机组二回路系统典型故障的诊断因果图模型。
3.1 系统描述宁德核电站1号机组共有3个回路。在一回路侧，反应堆加热后的高温高压水流经3台蒸汽发生器SG1、SG2、SG3，通过复杂的换热系统，将二回路的低压水加热为高温高压的水蒸汽，二回路侧的蒸汽分别经过3个主蒸汽隔离阀进入主蒸汽管道，而后经汽机隔离阀和控制阀分别进入汽机高压缸、再热器和中、低压缸做功，带动发电机发电。做功后的低压蒸汽进入冷凝器与低温海水进行热交换后冷凝为凝结水，而后凝结水经过低压、高压加热器再热和除氧器，然后分为3条支路，每路经由1台凝结水泵和1台主给水泵分送回对应的蒸汽发生器。
3.2 故障诊断因果图阀故障、泵故障和管道故障是核电站二回路中3类最为常见的故障，而与二回路中流体流量、流速相关的泵和阀的正常工作与否又是二回路正常工作的关键。宁德1号机组的二回路故障诊断符号定义如表2所示。
表 2 符号定义表
| 变量名 | 定义 | 状态 |
| B1 | 汽机旁路阀GCT131VV | 0：关闭；1：开启 |
| B2 | 给水流量控制阀ARE031VL | 0：正常；1：全关；2：全开 |
| B3 | 蒸汽发生器传热管 | 0：正常；1：断裂 |
| B4 | 汽机调节阀GRE001V | 0：正常；1：全关；2：全开 |
| B5 | 凝结水抽取泵CEX001PO | 0：打开；1：关闭 |
| B6 | 低压加热器ABP401RE | 0：正常；1：破裂 |
| X1/X2/X3 | A/B/C蒸汽管道流量 | 0：正常；1：偏低；2：偏高 |
| X4/X5 | 蒸汽集管VVP024MP/025MP压力 | 0：正常；1：偏低；2：偏高 |
| X10/X6/X7 | ARE-SG1/SG2/SG3给水流量 | 0：正常；1：偏低；2：偏高 |
| X14/X18/X19 | SG1宽量程水位/冷却剂泄漏率/蒸汽放射性 | 0：正常；1：偏低；2：偏高 |
| X8 | 一回路平均温度 | 0：正常；1：偏低；2：偏高 |
| X9 | 反应堆核功率 | 0：正常；1：偏低；2：偏高 |
| X11/X12/X13 | 给水水位旁路调节阀ARE242VL/243VL/244VL | 0：正常；1：全关 |
| X15 | 反应堆跳堆指令 | 0：未触发；1：触发 |
| X16 | A路给水管道状态 | 0：正常；1：泄漏 |
| X17 | 稳压器液位 | 0：正常；1：偏低；2：偏高 |
| X20 | 稳压器压力 | 0：正常；1：偏低；2：偏高 |
| X21 | 容控箱液位 | 0：正常；1：偏低；2：偏高 |
| X22 | 冷凝器内放射性 | 0：正常；1：偏低；2：偏高 |
| X23 | APG SG1放射性 | 0：正常；1：偏低；2：偏高 |
| X24 | 安注信号 | 0：未触发；1：触发 |
| X25 | 低压给水加热器进气压力 | 0：正常；1：偏低；2：偏高 |
| X26 | 汽轮机负荷 | 0：正常；1：偏低；2：偏高 |
| X30/X27/X28/X29 | 高压缸进气调节阀GRE00$\frac{1}{2}$/3/4VV开度 | 0：正常；1：减小；2：增大 |
| X31 | 凝结水抽取泵CEX001PO工况 | 0：正常；1：停运 |
| X32 | 凝结水抽取泵CEX001PO电流 | 0：正常；1：偏离正常值 |
| X33 | 凝结水抽取泵出口总流量 | 0：正常；1：偏低 |
| X34 | 凝结水抽取泵出口压力 | 0：正常；1：偏低；2：偏高 |
| X35 | 凝结水抽取泵CEX003PO电流 | 0：正常；1：偏离正常值 |
| X36 | 凝结水抽取泵CEX001PO开度 | 0：正常；1：打开 |
| X37/X38/X40/X41 | 低压给水加热器进气压力/水位/疏水流量/稳压器水位 | 0：正常；1：偏低；2：偏高 |
| X39 | 低压给水加热器水位控制阀 | 0：正常；1：全关；2：全开 |
| X42/X43 | 低压给水加热器进气隔离阀ABP402VV/404VV | 0：打开；1：关闭 |
| X44/X45 | ABP A列进口隔离阀ABP401VL/403VL | 0：打开；1：关闭 |
| X46 | 低压给水加热器旁路阀 | 0：关闭；1：打开 |
| X47 | GCT-A阀门GCT131VV | 0：关闭；1：打开 |
| X48 | 给水流量控制阀ARE031VL | 0：正常；1：全关；2：全开 |
表选项
各基本变量的发生概率为
B1=$\left[ {\matrix - \\ {0.001} \\ \endmatrix } \right]$,B3=B6=$ \left[ {\matrix - \\ {0.001} \\ \endmatrix } \right]$,
B5=$\left[ {\matrix - \\ {0.001} \\ \endmatrix } \right]$,B2=B4=$\left( {\matrix - \\ {0.0005} \\ {0.0005} \\ \endmatrix } \right)$.
权重作用变量为
a1;1=a2;1=a3;1=a14;11=a14;12=
a14;13=$\left( {\matrix - & - \\ - & 0 \\ - & {0.8} \\ \endmatrix } \right)$,
a9;8=$\left( {\matrix - & - & - \\ - & 0 & 0 \\ - & {0.95} & 0 \\ \endmatrix } \right)$
a18;3=a19;3=$\left( {\matrix - & - \\ - & 0 \\ - & {0.8} \\ \endmatrix } \right)$
a4;1=a4;2=a4;3=a5;1=a5;2=
a5;3=$\left( {\matrix - & - & - \\ - & 0 & {0.7} \\ - & 0 & {0.7} \\ \endmatrix } \right)$
a10;2=$\left( {\matrix - & - & - \\ - & 0 & 0 \\ - & 0 & {0.95} \\ \endmatrix } \right)$，
a8;6=a8;7=a8;10=$\left( {\matrix - & - & - \\ - & 0 & {0.6} \\ - & 0 & {0.1} \\ \endmatrix } \right)$,
a6;1=a6;2=a6;3=a7;1=a7;2=a7;3=
a10;1=a10;2=a10;3=$\left( {\matrix - & - & - \\ - & 0 & {0.05} \\ - & 0 & {0.9} \\ \endmatrix } \right)$,
a11;10=a12;10=a13;10=$\left[ {\matrix - & - & - \\ - & 0 & {0.9} \\ \endmatrix } \right]$,
a20;17=$\left( {\matrix - & - & - \\ - & {0.8} & 0 \\ - & {0.1} & 0 \\ \endmatrix } \right)$,
a48;2=$\left( {\matrix - & - & - \\ - & 0 & 0 \\ - & 0 & 1 \\ \endmatrix } \right)$，
a15;14=$\left[ {\matrix - & - & - \\ - & 0 & {0.7} \\ \endmatrix } \right]$,
a10;3=$\left( {\matrix - & - \\ - & {0.8} \\ - & {0.1} \\ \endmatrix } \right)$，
a17;3=$\left( {\matrix - & - \\ - & {0.9} \\ - & {0} \\ \endmatrix } \right)$，
a16;14=$\left[ {\matrix - & - & - \\ - & 0 & {0.95} \\ \endmatrix } \right]$，
a20;17=$\left( {\matrix - & - & - \\ - & {0.1} & 0 \\ - & 0 & 0 \\ - & {0.9} & 0 \\ - & 0 & 0 \\ \endmatrix } \right)$，
a22;18=a22;19=$\left( {\matrix - & - & - \\ - & 0 & {0.05} \\ - & 0 & {0.9} \\ \endmatrix } \right)$，
a23;18=a23;19=$\left( {\matrix - & - & - \\ - & 0 & {0.1} \\ - & 0 & {0.8} \\ \endmatrix } \right)$，
a24;20=$\left( {\matrix - & - & - \\ - & {0.95} & 0 \\ - & 0 & 0 \\ \endmatrix } \right)$，
a1;6=$\left( {\matrix - & - \\ - & {0.9} \\ - & 0 \\ \endmatrix } \right)$,
a38;41=$\left( {\matrix - & - & - \\ - & {0.1} & {0.95} \\ - & {0.8} & 0 \\ \endmatrix } \right)$,
a25;5=$\left( {\matrix - & - \\ - & {0.2} \\ - & {0.8} \\ \endmatrix } \right)$,
a8;6=a20;6=$\left( {\matrix - & - \\ - & 0 \\ - & {0.9} \\ \endmatrix } \right)$,
a37;6=$\left( {\matrix - & - \\ - & 1 \\ - & 0 \\ \endmatrix } \right)$,
a38;6=$\left( {\matrix - & - \\ - & {0.1} \\ - & {0.9} \\ \endmatrix } \right)$,
a39;38=a40;38=a41;38=$\left( {\matrix - & - & - \\ - & {0.7} & 0 \\ - & {0.1} & {0.8} \\ \endmatrix } \right)$,
a25;6=$\left( {\matrix - & - \\ - & {0.05} \\ - & {0.9} \\ \endmatrix } \right)$,
a42;38=a43;38=a44;38=a45;38=
a46;38=$\left[ {\matrix - & - & - \\ - & 0 & {0.8} \\ \endmatrix } \right]$,
a30;4=$\left[ {\matrix - & - & - \\ - & {0.95} & {0.1} \\ - & 0 & {0.8} \\ \endmatrix } \right]$,
a31;5=a32;5=$\left[ {\matrix - & - \\ - & {0.95} \\ \endmatrix } \right]$,
a47;1=$\left[ {\matrix - & - \\ - & {0.9} \\ \endmatrix } \right]$,
a26;27=a26;28=a26;29=$\left( {\matrix - & {0.4} & {0.4} \\ - & 0 & 0 \\ - & 0 & 0 \\ \endmatrix } \right)$,
a33;5=$\left( {\matrix - & - \\ - & {0.95} \\ - & 0 \\ \endmatrix } \right)$,
a33;35=$\left( {\matrix - & {0.7} \\ - & 0 \\ - & 0 \\ \endmatrix } \right)$,
a25;4=$\left( {\matrix - & - & - \\ - & 0 & 0 \\ - & 0 & {0.95} \\ \endmatrix } \right)$,
a34;33=$\left( {\matrix {0.95} & - & - \\ - & {0.9} & {0.1} \\ - & 0 & 0 \\ \endmatrix } \right)$,
a26;4=$\left( {\matrix - & - & - \\ - & {0.95} & 0 \\ - & 0 & {0.95} \\ \endmatrix } \right)$,
a27;4=a28;4=a29;4=$\left( {\matrix - & - & - \\ - & {0.1} & {0.7} \\ - & {0.8} & {0.1} \\ \endmatrix } \right)$,
a35;36=a36;5=$\left[ {\matrix - & - \\ - & {0.95} \\ \endmatrix } \right]$.
3.3 故障诊断示例利用与中广核共同研发的“核电站安全运维智能专家系统”，在系统中构建上述模型并输入相关参数。以中广核仿真有限公司针对宁德1号机组制造的模拟机作为信号参数的发送端，当某故障发生时，系统对接收数据进行判断，得到部分异常参数随时间变化如图2所示，宁德核电站1号机组构建出的相应DUGG图如图3所示。
 |
| 图 2 部分异常参数随时间变化 |
| 图选项 |
 |
| 图 3 宁德1号机组的二回路故障诊断DUCG图 |
| 图选项 |
故障参数及所处状态为X1,1、X2,1、X3,1、X4,1、X5,1、X6,2、X7,2、X8,1、X9,2、X10,2，X47,1，以上11个参数构成故障诊断收到的证据，分别记为E1′~E11′。
图3其余变量均为状态未知。根据节2.2中介绍的DUCG化简规则，得到拆分和删减后的因果图如图4所示。
 |
| 图 4 拆减后因果图 |
| 图选项 |
化简后的因果图清晰地展现了故障的发展情况，即汽机旁路阀GCT131VV因故障开启，导致A、B、C路蒸汽管道流量降低，进而引起两路蒸汽集管压力下降和A、B、C三路蒸汽发生器流量升高，蒸汽发生器流量升高导致一回路平均温度降低，最终引起反应堆功率增加。从因果图中已经能够确诊故障的唯一原因为B1,1，即汽机旁路阀GCT131VV因故障开启。为完整介绍DUCG的故障诊断过程，对图4进行事件展开。
由于篇幅所限，仅以X4,1为例：
E4′=X4,1=F4,1;1,1F1,1;1,1B1,1+
F4,1;2,1F2,1;1,1B1,1+F4,1;3,1F3,1;1,1B1,1=
$\frac{1}{3}$A4,1;1,1A1,1;1,1B1,1+13A4,1;2,1A2,1;1,1B1,1+
$\frac{1}{3}$A4,1;3,1A3,1;1,1B1,1 .
将E1′~E11′分别展开、相乘，可得E′E′=$\prod\limits_{i = 1}^{11} {{E_i}^\prime } $=A9,2;8,1·12(A8,1;6,2+A8,1;7,2)·
$\frac{1}{3}$(A4,1;1,1+A4,1;2,1+A4,1;3,1)·
$\frac{1}{3}$(A5,1;1,1+A5,1;2,1+A5,1;3,1)·
$\frac{1}{3}$(A6,1;1,1+A6,1;2,1+A6,1;3,1)·
$\frac{1}{3}$(A7,1;1,1+A7,1;2,1+A7,1;3,1)·
$\frac{1}{3}$(A10,1;1,1+A10,1;2,1+A10,1;3,1)·
A1,1;1,1·A2,1;1,1·A3,1;1,1·B1,1.
代入参数，可求得Pr{E′}=0.011031552，忽略An,k;i,j类型的变量和权重因子rn;i/rn后得到假设空间SH={H1,1}={B1,1}，此时
H1,1E′=B1,1[A9,2;8,1·$\frac{1}{2}$(A8,1;6,2+A8,1;7,2)·
$\frac{1}{3}$(A4,1;1,1+A4,1;2,1+A4,1;3,1)·
$\frac{1}{3}$(A5,1;1,1+A5,1;2,1+A5,1;3,1)·
$\frac{1}{3}$(A6,1;1,1+A6,1;2,1+A6,1;3,1)·
$\frac{1}{3}$(A7,1;1,1+A7,1;2,1+A7,1;3,1)·
$\frac{1}{3}$(A10,1;1,1+A10,1;2,1+A10,1;3,1)·
A1,1;1,1·A2,1;1,1·A3,1;1,1·B1,1]=E′.
由此可得Hk,j∈SH的概率为
| $h_{1,1}^{s'} = \Pr \left\{ {{H_{1,1}}|E'} \right\} = \frac{{\Pr \left\{ {{H_{1,1}}E'} \right\}}}{{\Pr \left\{ {E'} \right\}}} = 1$ |
3.4 故障发展预测结果根据图3，对图4进行向前展开，得到接下来的故障发展预测如表3所示。在实际故障中，可以辅助操作员对故障发生后的设备动作进行预判，并采取相应措施。
表 3 故障发展预测表
| 时刻 | 新增异常变量 | 诊断结果及排序概率 | |
| 实际诊断 | T1 | X1,1、X2,1、X3,1、X4,1、X5,1、X6,2、X7,2、X8,1、X9,2、X10,2，X47,1 | B1,1 ：1.0 |
| 发展预测 | T2 | X11,1、X12,1、X13,1 | B1,1 ：1.0 |
| T3 | X14,2 | B1,1：1.0 | |
| T4 | X15,1、X16,1 | B1,1：1.0 |
表选项
3.5 模型综合测试将图3中宁德1号核电机组二回路故障模型中包含的管道、阀门、泵等典型的8种故障分别用模拟机进行20次故障测试，测试结果如表4所示。可以看到，依据DUCG理论和联合开发的故障诊断系统，能够迅速、准确、高效地进行故障诊断，达到理想的效果。
表 4 诊断结果表
| 序号 | 故障名称 | 诊断成功概率/% | 诊断所需平均时间/s |
| 1 | 凝结水抽取泵CEX001PO故障 | 100 | <1.00 |
| 2 | 给水流量控制阀ARE031VL意外全开 | 100 | 2.01 |
| 3 | 低压加热器管道泄漏 | 100 | <1.00 |
| 4 | 蒸汽发生器SGA管道破裂 | 100 | 1.03 |
| 5 | 电动主给水泵APA102PO MFPA故障 | 100 | <1.00 |
| 6 | 汽轮机旁路阀GCT131VV故障 | 100 | 1.25 |
| 7 | 汽轮机控制阀GRE001VV因故障全开 | 100 | <1.00 |
| 8 | 汽轮机控制阀GRE001VV因故障全关 | 100 | <1.00 |
表选项
4 结论为解决复杂不确定系统的故障诊断问题，协助核电站操作人员在故障情况下做出决策响应，本文采用DUCG的推理法则，以中广核宁德1号核电机组为原型，建立了核电站二回路中常见的8种较为完备的故障模型，并利用对应的模拟机进行故障测试。测试和故障发展预测结果表明，利用DUCG理论建立的故障模型能够实现准确、便捷的诊断，为核电站操作人员的决策提供依据。
由于本模型中并未包含二回路中所有常见故障，在故障种类的完备性上仍有完善的空间。同时，如何更好地实现DUCG故障诊断在线实时应用和动态化，也是下一步研究的重点。
参考文献
| [1] | Journal of Central South University(Science and Technology), 41(2):649-654.--> United States. President's Commission on the Accident at Three Mile Island. The Need for Change, the Legacy of TMI:Report of the President's Commission on the Accident at Three Mile Island[M]. Washington D C, USA:Government Printing Office, 1979. |
| [2] | Journal of Central South University(Science and Technology), 41(2):649-654.--> Rogovin M. Three Mile Island:A Report to the Commissioners and to the Public[R]. Washington D C,USA:Nuclear Regulatory Commission, 1979. |
| [3] | Journal of Central South University(Science and Technology), 41(2):649-654.-->ZHANG Qin. Dynamic uncertain causality graph for knowledge representation and reasoning:Discrete DAG cases[J].Journal of Computer Science and Technology,2012, 27(1): 1–23. |
| [4] | Journal of Central South University(Science and Technology), 41(2):649-654.-->ZHANG Qin. Dynamic uncertain causality graph for knowledge representation and probabilistic reasoning:directed cyclic graph and joint probability distribution[J].IEEE Transactions on Neural Networks and Learning Systems,2015, 26(7): 1503–1517. |
| [5] | Journal of Central South University(Science and Technology), 41(2):649-654.-->ZHANG Qin, DONG Chunling, CUI Yan, et al. Dynamic uncertain causality graph for knowledge representation and probabilistic reasoning:Statistics base, matrix, and application[J].IEEE Transactions on Neural Networks and Learning Systems,2014, 25(4): 645–663. |
| [6] | Journal of Central South University(Science and Technology), 41(2):649-654.-->ZHANG Qin, GENG Shichao. Dynamic uncertain causality graph applied to dynamic fault diagnoses of large and complex systems[J].IEEE Transactions on Reliability,2015, 64(3): 910–927. |
| [7] | Journal of Central South University(Science and Technology), 41(2):649-654.-->ZHANG Qin. Dynamic uncertain causality graph for knowledge representation and reasoning:Continuous variable, uncertain evidence, and failure forecast[J].IEEE Transactions on Systems, Man, and Cybernetics,2015, 45(7): 990–1003. |
| [8] | Journal of Central South University(Science and Technology), 41(2):649-654.-->赵越, 张勤, 邓宏琛, 等. DUCG在核电站二回路故障诊断中的应用[J].原子能科学技术,2014, 48(S1): 496–501.ZHAO Yue, ZHANG Qin, DENG Hongchen, et al. Application of DUCG in fault diagnosis of nuclear power plant secondary loop[J].Atomic Energy Science and Technology,2014, 48(S1): 496–501.(in Chinese) |
| [9] | Journal of Central South University(Science and Technology), 41(2):649-654.-->DONG Chunling, WANG Yanjun, ZHANG Qin, et al. The methodology of dynamic uncertain causality graph for intelligent diagnosis of vertigo[J].Computer Methods and Programs in Biomedicine,2014, 113(1): 162–174. |
| [10] | Journal of Central South University(Science and Technology), 41(2):649-654.--> Nelson W R. Reactor:An expert system for diagnosis and treatment of nuclear reactor accidents[C]//Proceedings of the 2nd National Conference on Artificial Intelligence. Pittsburgh, USA:AAAI Press, 1982:296-301. |
| [11] | Journal of Central South University(Science and Technology), 41(2):649-654.-->周刚, 杨立. 核电厂智能诊断方法研究的进展[J].原子能科学技术,2008, 42(B09): 92–99.ZHOU Gang, YANG Li. Advance in study of intelligent diagnostic method for nuclear power plant[J].Atomic Energy Science and Technology,2008, 42(B09): 92–99.(in Chinese) |
| [12] | Journal of Central South University(Science and Technology), 41(2):649-654.-->陈志辉, 夏虹, 刘邈. 核电系统故障诊断专家系统研究[J].核动力工程,2006, 26(5): 523–527.CHEN Zhihui, XIA Hong, LIU Miao. Study of expert system of fault diagnosis for nuclear power plant[J].Nuclear Power Engineering,2006, 26(5): 523–527.(in Chinese) |
